基于敏感性和特異性的檢驗樣本估計 1、敏感性一般是指真陽性，特異性指的是真陰性，醫(yī)學(xué)上經(jīng)常使用這兩個指標(biāo)； 2、問題簡述：為檢測某種方法的實際有效價值，需要對其做實驗，需要估...
發(fā)簡信
IP屬地：江蘇
-
基于敏感性和特異性的檢驗樣本估計 PASS實現(xiàn) -
深度學(xué)習(xí)之卷積層運算矩陣化實現(xiàn)
深度學(xué)習(xí)之卷積層運算矩陣化實現(xiàn) 1、卷積層的基本運算是卷積核組和輸入特征圖的局部區(qū)域做內(nèi)積，即把卷積核組和輸入特征圖的局部區(qū)域均拉伸為向量，然后對這兩個向量做內(nèi)積。矩陣乘法也...
-
吳恩達(dá)深度學(xué)習(xí)筆記(92)-目標(biāo)檢測之目標(biāo)定位
這一周我們學(xué)習(xí)的主要內(nèi)容是對象檢測，它是計算機視覺領(lǐng)域中一個新興的應(yīng)用方向，相比前兩年，它的性能越來越好。在構(gòu)建對象檢測之前，我們先了解一下對象定位，首先我們看看它的定義。 ...
-
評論較多，簡書回復(fù)也不太方便，如有問題麻煩關(guān)注下面的公眾號，加入我的微信群一起討論。公眾號ID：小小挖掘機
-
基于率差的非劣性/優(yōu)效性檢驗樣本估計 PASS實現(xiàn)基于率差的非劣性/優(yōu)效性檢驗樣本估計 1、最近在做一個方案，需要進行樣本估計，上網(wǎng)搜索一波發(fā)現(xiàn)PASS軟件可以通過簡單操作就可以進行樣本估計（本人統(tǒng)計學(xué)小白）。 2、問題簡述...
-
深度學(xué)習(xí)之softmax函數(shù)-梯度計算
在深度學(xué)習(xí)中，softmax層一般作為輸出層出現(xiàn)，也就是網(wǎng)絡(luò)的最后一層；測試過程中，這一層直接輸出網(wǎng)絡(luò)的最終結(jié)果，而在訓(xùn)練過程這一層又會作為誤差反傳的第一層，也就是計算誤差的...
-
Markdown語法（簡書中加入數(shù)學(xué)公式）
簡書中的公式使用在網(wǎng)上搜的好多都是用圖片顯示，其實可以直接在文章中寫的： 行內(nèi)公式直接用$包圍就行如$ \iint_D f(x,y)d\sigma $,效果就是： 行間公式（...
-
專注web前端開發(fā)<br>學(xué)習(xí)群：797938538
-
python2.7.6 json.load() 導(dǎo)致字符串unicode編碼問題
問題： python 2下使用json.load往往會導(dǎo)致最終的結(jié)果編碼是unicode，并不是我們想要的str型 解決方案： 添加轉(zhuǎn)換函數(shù)
-
深度學(xué)習(xí)之Softmax損失函數(shù) python實現(xiàn)損失函數(shù)損失函數(shù)（loss function，也叫代價函數(shù)，cost function）用來評價模型輸出的分值向量的好壞，分值向量與真實標(biāo)簽之間的差異越大，損失函數(shù)值就越大，...
-
@飛時過 不好意思啊，我這邊沒有埃??
R語言，ROC曲線，deLong test
近期在寫一些東西，需要畫出ROC曲線并且需要對多個ROC曲線進行對比，因為與統(tǒng)計有關(guān)，所以用到deLong test來進行評估而不是簡單的使用AUC值進行對比。 繪制ROC曲...
-
閉合曲線填補空洞（cv2.floodFill）
如圖所示，這是通過邊緣檢測得到的物體邊沿結(jié)果，而我們的目標(biāo)是將圖中的類似橢圓區(qū)域分割出來。這里就可以用到漫水填充法，函數(shù)cv2.floodFill()。漫水填充法是一種用特定...
-
OpenCV-Python教程:31.分水嶺算法對圖像進行分割理論 任意的灰度圖像可以被看做是地質(zhì)學(xué)表面，高亮度的地方是山峰，低亮度的地方是山谷。給每個孤立的山谷（局部最小值）不同顏色的水（標(biāo)簽），當(dāng)水漲起來，根據(jù)周圍的山峰（梯度），不...
-
R語言，ROC曲線，deLong test
近期在寫一些東西，需要畫出ROC曲線并且需要對多個ROC曲線進行對比，因為與統(tǒng)計有關(guān)，所以用到deLong test來進行評估而不是簡單的使用AUC值進行對比。 繪制ROC曲...
-
感謝博主的講解，個人覺得在前向傳播時有些許錯誤
神經(jīng)網(wǎng)絡(luò)反向傳播及python實現(xiàn)
https://github.com/Sherrylone/Machine_Learning/tree/master/NN
